摘要：数字电路设计的优化是演化硬件中的研究热点,传统的优化方法主要是利用代数法和卡诺图求解法,但是在规模较大时却难于求出或无法求出最优的电路结构。提出一种新的基于并行基因表达式程序设计优化复杂数字电路的算法(COPGEP),该算法通过各子种群之间优良个体的迁移,有效地传播优良个体,充分发挥了优良个体的导向作用,提高了传统GEP的全局寻优能力以及求解精度和收敛速度。通过仿真实验表明,该算法比传统GEP收敛速度更快,能够克服传统GEP算法在优化变量个数多于5个的数字逻辑电路时收敛速度慢,甚至不收敛等缺点。

摘要：传统聚类算法存在对初始聚类中心敏感、易陷入局部最优解、及需要事先确定聚类个数等问题。提出一种加入动态惩罚因子的GEP(Gene Expression Programming)自动聚类算法,该算法将惩罚因子与GEP聚类算法结合,不需任何先验知识,可自动进行簇的划分。并进一步提出惩罚因子的动态生成算法,可根据不同数据集动态生成满足其分布特征的惩罚因子,更好地解决孤立点或噪声点的影响。实验选择四组自构造数据集测试惩罚因子对聚类的影响,依据测试结果进行惩罚因子的建模,将该惩罚因子模型应用于标准数据集Iris上。实验结果表明:算法具有较高的效率和精确度。

摘要：针对传统WDCT图像压缩编码算法频率卷曲参数的难选取问题,提出了小生境演化算法下的WDCT图像压缩方法(NEAWDCT).利用小生境演化算法全局寻优的特点,与WDCT图像压缩编码方法相结合,达到自适应选取最优频率卷曲参数的目的.针对频率卷曲参数特征,设计染色体编码方式及演化算子,以加快收敛速度.由于图像能量多集中于低频部分,选择特定范围内的数值初始化种群,不仅能加快算法收敛速度,还保留了种群的多样性.实验结果表明,利用新的NEAWDCT算法生成的WDCT矩阵能有效提高峰值信噪比.

摘要：密钥产生器是流密码系统的核心部件,根据非线性组合流密钥生成器的构造思想,本文提出了一种新的RSA-LFSR密钥流产生器,该产生器将RSA与LFSR算法相结合所产生的随机序列用一种基于基因表达式程序设计(GEP)的演化布尔函数进行组合运算输出密钥流;并对此产生器生成的不同长度密钥序列进行安全性检验.通过游程检验、频数检验、序列测试和线性复杂度计算的实验证明,使用基于GEP演化布尔函数的RSA-LFSR密钥流产生器要比传统的非线性组合密钥生成器更具优越性和安全性.

摘要：为了克服传统差分演化(DE)算法在求解约束优化问题时出现的收敛性慢和容易陷入早熟等缺陷,提出一种新的基于单形正交实验设计的差分演化(SO-DE)算法。该算法设计了一种结合单形交叉和正交实验设计的混合交叉算子来提高差分演化算法的搜索能力;同时采用了一种改进的个体优劣比较准则对种群个体进行比较和选择。这种新的混合交叉算子利用多个父代个体进行单形交叉产生多个子代个体,从两者中选择优秀个体进行正交实验设计得到下一代种群个体。改进的个体优劣比较准则对不同状态下的种群采用不同的处理方案,其目的在于能够有效地权衡目标函数值和约束违反量之间的关系,从而选择优秀个体进入下一代种群。通过对13个标准测试函数和2个工程设计问题进行仿真实验,实验结果表明SO-DE算法求解的精度和标准方差都要优于HEAA算法和COEA/OED算法。SO-DE算法具有更高的精度以及更好的稳定性。

摘要：在对Prüfer编码研究的基础上,提出了一种基于基因表达式程序设计的多层物流网络Prüfer编码优化算法(GEPPCOA)。该算法一方面利用基因表达式程序设计的多基因结构特点,克服了传统演化算法中不能直接用个体表示多层物流模式的缺点;另一方面还对基因表达式程序设计原有的操作算子进行了针对Prüfer编码的改进。实验结果表明,使用GEPPCOA求解多层物流网络的Prüfer编码优化问题时,其各项支出费用性能指标均要好于传统的演化算法,提高了算法的收敛精度。

摘要：遗传算子在演化算法中发挥重要的作用。设计了基因表达式编程中的一种新遗传算子(TIS),它在基因尾部随机选择一个小片段,然后复制该片段(或该片段的倒置)并插入到基因尾部的任意位置,插入点后的符号依次向后挪动,超过尾部长度的编码被丢弃。实验表明,该算子在挖掘多元函数时能提高算法的成功率和收敛速度。

摘要：针对现有的研究大多将短序列时间序列预测和长序列时间序列预测分开研究而导致模型在较短的长序列时序预测时精度较低的问题,提出一种较短的长序列时间序列预测模型(SLTSFM)。首先,利用卷积神经网络(CNN)和PBUSM(Probsparse Based on Uniform Selection Mechanism)自注意力机制搭建一个序列到序列(Seq2Seq)结构,用于提取长序列输入的特征;其次,设计“远轻近重”策略将多个短序列输入特征提取能力较强的长短时记忆(LSTM)模块提取的各时段数据特征进行重分配;最后,用重分配的特征增强提取的长序列输入特征,提高预测精度并实现时序预测。利用4个公开的时间序列数据集验证模型的有效性。实验结果表明,与综合表现次优的对比模型循环门单元(GRU)相比,SLTSFM的平均绝对误差(MAE)指标在4个数据集上的单变量时序预测分别减小了61.54%、13.48%、0.92%和19.58%,多变量时序预测分别减小了17.01%、18.13%、3.24%和6.73%。由此可见SLTSFM在提升较短的长序列时序预测精度方面的有效性。

摘要：基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的运行效率,实验表明在求解很多问题的时候比遗传程序设计在速度上优越两个数量级以上。在基因表达式的基础上,提出了基因阅读运算器方法,此方法不需要把染色体转换为表达式树,而是直接对染色体进行操作得到该染色体的适应值。实验表明,采用这种方法不仅简单有效,而且能提高运算的速度。

摘要：为了克服传统基因表达式编程算法容易陷入局部最优的缺点,在传统基因表达式编程(GEP)算法的基础上设计了一种基于IS插串和RIS插串的非编码区域插串算子NCRS插串,再根据NCRS插串提出一种改进的基因表达式编程算法NCRS-GEP。该算法针对基因表达式编程的非编码区域能带来无限搜索空间的特点进行了算子设计的改进,通过增加种群分布的多样性,克服了传统GEP算法容易陷入局部最优的缺点,提高了算法的建模精度。数据实验表明,与传统GEP算法相比,NCRS-GEP能够更准确地收敛到建模问题的全局最优解,从而使建模误差更小。